徐洪剛,陳震,程千,李鵬,范永申

(中國農(nóng)業(yè)科學(xué)院農(nóng)田灌溉研究所河南省節(jié)水農(nóng)業(yè)重點實驗室，河南 新鄉(xiāng) 453000)

作物冠層溫度是反映作物生理健康狀況的一項重要指標(biāo)[1]，而這一指標(biāo)可以通過熱紅外遙感快速高效準(zhǔn)確地獲取.目前，基于熱紅外反演的冠層溫度在作物病蟲害[2]、產(chǎn)量估算[3]、作物倒伏[4]、蒸散量[5]以及作物水分虧缺[6]的監(jiān)測診斷等多方面有較好表現(xiàn)，而其中反演作物水分虧缺效果最佳.早期研究大多依靠手持或機載式熱紅外儀[7]、架設(shè)在試驗區(qū)的熱紅外相機[8]獲取熱紅外光譜，費時費力且無法大面積獲取作物冠層熱紅外影像.隨著無人機技術(shù)的快速發(fā)展，以無人機搭載熱紅外相機獲取冠層熱紅外影像進而診斷作物水分脅迫的研究開始興起，如GMEZ-CANDN等[9]利用無人機熱紅外冠層溫度獲取蘋果園區(qū)整體溫度空間分布信息，研究不同灌溉處理下蘋果冠層溫度的差異，發(fā)現(xiàn)虧缺灌溉條件下冠層溫度比充分灌溉條件下高.孫圣等[10]利用熱紅外影像評估了核桃樹土壤水分情況，發(fā)現(xiàn)(40,60] cm土壤深度土壤水分與冠層溫度變化相關(guān)性較好.PAGAY等[11]利用熱紅外圖像計算了水分虧缺指數(shù)(CWSI)，Ig以及冠氣溫差，通過比較3個指標(biāo)與傳統(tǒng)水分狀況評價指標(biāo)(Ψpd,Ψs,gs)的相關(guān)性判斷其反演土壤含水率的精準(zhǔn)度，結(jié)果表明冠氣溫差在涼爽潮濕的季節(jié)具有更強的相關(guān)性.通過冠層溫度計算CWSI反演土壤含水率的研究一直在探索[12]，但冠層溫度容易受其他外界因素或者獲取方法的影響使得反演精度降低[13]，CWSI中的干濕參考面精準(zhǔn)獲取又較難實現(xiàn)，尋找其他反演土壤含水率的方法變得更為重要.

同時國內(nèi)外許多研究表明[14]，冠層覆蓋度能夠影響作物冠層溫度、土壤含水率以及土壤溫度等.張智韜等[15]以拔節(jié)期夏玉米為研究對象建立冠層溫度與覆蓋度的相關(guān)關(guān)系反演(0,30] cm深度土層土壤含水率，結(jié)果表明反演精度比僅用冠層溫度時明顯提高.楊文攀等[16]將試驗區(qū)玉米覆蓋度與熱紅外提取的冠層溫度進行對比，結(jié)果表明玉米冠層溫度與其覆蓋度有顯著相關(guān)性(R2=0.534 5,P<0.000 1)，說明冠層覆蓋度會影響玉米冠層溫度的變化.但覆蓋度的提取精度受到多方面的影響如光照角度、光照強度、地物分類(雜草)、圖片清晰度、飛行高度等，難以確保不同時期的覆蓋度提取精度.LAI為單位面積上植株單面葉片面積的總和，能夠反映作物覆蓋度.而土壤含水率、溫度的變化會影響玉米LAI的變化，當(dāng)玉米受到水分脅迫時或者高溫時葉片會蜷縮導(dǎo)致LAI降低.JIANG等[17]通過建立土壤水分脅迫函數(shù)來量化土壤水分脅迫對單株主莖葉片膨脹和衰老過程的影響，結(jié)果表明相對土壤水分有效性在0.2～0.7時水分脅迫抑制了葉片的膨脹，當(dāng)相對土壤水分有效性小于0.2時葉子枯萎和變黃.VANW等[18]通過模擬不同環(huán)境研究了環(huán)境和冠層溫度與葉片溫度之間的差異，結(jié)果表明降低LAI可以減小葉片與周圍空氣的溫差.PFEIFER等[19]通過研究沿海森林景觀中不同樹木覆蓋條件下的地表溫度，發(fā)現(xiàn)每減少一個單位的樹冠LAI將導(dǎo)致地面溫度增加1.2 ℃.

文中以不同水分處理下的夏玉米為研究對象，利用無人機獲取不同生育期試驗區(qū)的可見光和熱紅外影像，通過剔除非冠層區(qū)域獲得各試驗小區(qū)冠層溫度，分析非冠層區(qū)域及LAI對冠層溫度的影響及冠層溫度變化趨勢，并結(jié)合大氣溫度及LAI構(gòu)建DTL指標(biāo)，分析冠氣溫差和DTL與不同深度土層土壤含水率之間的相關(guān)關(guān)系，探究DTL反演土壤含水率的效果及最佳反演情況.

1 材料與方法

1.1 研究區(qū)概況

試驗地位于中國農(nóng)業(yè)科學(xué)院農(nóng)田灌溉研究所七里營綜合試驗基地(113°76′E,35°13′N)，該地屬溫帶大陸性季風(fēng)氣候，夏季高溫多雨，7—9月降雨量占全年降雨量的65%～75%.試驗區(qū)為輕質(zhì)壤土，表層土壤容重1.47 g/cm3，0～1 m土層平均田間體積持水率為30.98%.試驗田灌溉水源采用地下水，埋深超過5 m.

1.2 試驗設(shè)計

試驗供試作物選用夏玉米太玉339，于2020年6月22日播種，9月25日收獲，全生育期共96 d.玉米播種深度約為5 cm，行距60 cm、株距25 cm，灌溉方式為滴灌.試驗布置如圖1a所示，設(shè)置了3個大區(qū)作灌溉處理，大區(qū)間隔2.4 m，灌水定額分別為0 mm(W0),30 mm(W1),70 mm(W2)，灌水量通過支管上的水表控制.每個灌溉處理下劃分15個試驗小區(qū)，3個處理共計45個試驗小區(qū)，每個小區(qū)為4.0 m×3.0 m的矩形區(qū)域，間隔1.2 m，編號如圖1b所示.在試驗區(qū)四角布設(shè)30 cm × 30 cm的黑白板，用作熱紅外圖像的溫度校準(zhǔn).

圖1 試驗區(qū)布置示意圖Fig. 1 Experimental zone layout diagram

1.3 數(shù)據(jù)獲取

于玉米拔節(jié)后期、大喇叭口期、抽雄吐絲期及灌漿期，選擇晴朗無風(fēng)的天氣，降低天氣對無人機獲取影像的影響，在2020年7月13日(拔節(jié)后期)、7月30日(大喇叭口期灌水1 d后)、8月10日(抽雄吐絲期降雨后)、9月7日(灌漿期灌水3 d后)進行無人機圖像以及地面數(shù)據(jù)的同天采集，無人機數(shù)據(jù)采集時間集中在北京時間的11:00—14:00，地面數(shù)據(jù)采集時間集中在9:00—14:00.

1.3.1 熱紅外圖像的獲取

以DJI M210V2型無人機搭載禪思ZenmuseXT2雙光熱成像相機獲取試驗區(qū)熱紅外影像，無人機飛行高度30 m，航向重疊度90%，對應(yīng)地面分辨率2.7 cm，每次航拍大約用時17 min.

1.3.2 可見光圖像的獲取

ZenmuseXT2相機雖自帶可見光波段，但圖像分辨率達不到試驗所需，因此文中研究利用DJI PHANTOM 4Pro無人機搭載2 000萬像素高清數(shù)碼相機拍攝試驗地可見光(RGB)圖片，無人機每次飛行高度為30 m，航向重疊度設(shè)置80%，地面分辨率0.8 cm，飛行整條航線大約歷時8 min.

1.3.3 地面數(shù)據(jù)的獲取

獲取的地面數(shù)據(jù)主要是土壤含水率、黑白板溫度、LAI、大氣溫度等，土壤含水率采用精確度較高的烘干法測定，于每個試驗小區(qū)的玉米根部附近60 cm深度土層內(nèi)每隔20 cm取一鉆，取出的土樣裝入鋁盒中，待無人機作業(yè)完成后帶回實驗室測量土壤含水率.黑白板的溫度通過HIKVISION H10手持式熱紅外測溫儀測量，在無人機飛過黑白板后立即拍攝每個黑(白)區(qū)域中心點的溫度.LAI通過英國Delta-T公司生產(chǎn)的SunScan冠層分析儀測定，儀器由1 m長的SunScan探測針、反射數(shù)據(jù)傳感器以及數(shù)據(jù)采集終端等部分組成，于每個試驗小區(qū)不同位置按橫縱方向分別測量3次，取平均值代表該試驗小區(qū)的實際LAI.大氣溫度、降水量則通過布設(shè)在基地試驗田的通量塔上氣象站獲取.

1.4 圖像拼接配準(zhǔn)

利用Pix4D mapper和PhotoScan軟件拼接得到完整的試驗區(qū)圖像.由于圖像并不重合，為了后續(xù)處理須對兩者配準(zhǔn)，將RGB影像作為基準(zhǔn)圖像在Arcgis中對熱紅外影像進行配準(zhǔn)，手動選取2幅圖像中均較為明顯的相同一物標(biāo)志作為配準(zhǔn)點，試驗選取的配準(zhǔn)點均在10個以上.

1.5 冠層熱紅外圖像的提取

無人機獲取的是整個試驗區(qū)的圖像，由于裸露土壤以及陰影等并非冠層區(qū)域，因此首先要對熱紅外圖像進行植土分離.文中根據(jù)分離效果最終選用ExG指數(shù)，在ENVI中對可見光圖像進行運算，從獲得的灰度圖像上分別選取40個玉米冠層與非冠層的感興趣區(qū)域，繪制7月13日玉米冠層和非冠層區(qū)域ExG指數(shù)直方圖,如圖2所示.從圖中可以看出，玉米冠層與非冠層區(qū)域有明顯的分界(左側(cè)為非冠層區(qū)域的數(shù)值區(qū)間，右側(cè)為玉米冠層的數(shù)值區(qū)間)，由此可以確定閾值剔除非冠層區(qū)域獲得玉米冠層矢量文件.然后將矢量文件導(dǎo)入ArcGis中疊加于配準(zhǔn)后的熱紅外圖像提取玉米冠層熱紅外圖像.

圖2 玉米冠層與非冠層樣本的ExG指數(shù)值直方圖Fig.2 Histogram of index value of maize canopy and no-canopy sample

1.6 冠層溫度計算

提取熱紅外圖像上黑白板測量點的像素值與測得的溫度進行擬合，運用獲得的轉(zhuǎn)換公式對當(dāng)天玉米冠層熱紅外圖像作柵格運算得到冠層溫度，通過分區(qū)統(tǒng)計提取每個小區(qū)的冠層溫度均值，熱紅外溫度轉(zhuǎn)換公式見表1,表中R2為決定系數(shù).

表1 溫度轉(zhuǎn)換公式Tab.1 Temperature conversion formula

2 試驗結(jié)果與分析

2.1 非冠層區(qū)域?qū)趯訙囟忍崛〉挠绊?/h3>

為驗證冠層溫度提取時非冠層區(qū)域所產(chǎn)生的影響，以不灌水處理的15個試驗小區(qū)為例，對比了剔除和不剔除非冠層區(qū)域2種提取方法下的冠層溫度Tc，結(jié)果如圖3所示.從圖中可以看出，剔除非冠層區(qū)域后的各試驗小區(qū)冠層溫度均小于同時期未剔除時的冠層溫度.對比4個時期2種提取方法下的冠層溫度發(fā)現(xiàn)7月13日差異最為明顯，平均差值達到了5.3 ℃，這是由于此時玉米植株較小，試驗小區(qū)內(nèi)所包含的非冠層區(qū)域多，因此差距相比其他時期最為明顯.9月7日兩者差異又表現(xiàn)出明顯的趨勢，通過可見光圖像可以看出此時試驗區(qū)玉米葉片開始衰落非冠層區(qū)域逐漸增多.圖3b中第8和11試驗小區(qū)2種條件下的冠層溫度差異相較于其他小區(qū)明顯增大.對比發(fā)現(xiàn)，2個試驗小區(qū)由于埋設(shè)儀器導(dǎo)致缺苗，非冠層區(qū)域相較于同時期的其他試驗小區(qū)多，表明非冠層區(qū)域的溫度對結(jié)果影響較大.

圖3 2種條件下提取的冠層溫度變化趨勢Fig.3 Variation trend of canopy temperature extrac-ted under two conditions

2.2 不同處理之間冠層溫度變化趨勢

圖4為3種水分處理下各試驗小區(qū)不同生育期冠層溫度變化趨勢，其中a，c，d這3個時期的冠層溫度均呈現(xiàn)波浪式的變化趨勢.這是由于試驗區(qū)右側(cè)相鄰地塊玉米種植時間晚，7月13日仍處于苗期，全生育期內(nèi)株高均比試驗區(qū)低.以抽雄吐絲期為例(此時株高不再增加)，試驗區(qū)玉米株高為250～310 cm，而試驗區(qū)右側(cè)相鄰地塊玉米株高僅為150～200 cm，因此冠層溫度受熱輻射的影響自左向右逐漸升高.圖4b是灌后24 h內(nèi)獲取的熱紅外影像，可以看到此變化趨勢并不明顯，分析原因為灌水能夠影響區(qū)域小氣候，使得冠層溫度發(fā)生變化.圖4a，4b，4c中冠層溫度均低于大氣溫度，而圖4d中處理W0下存在冠層溫度高于大氣溫度的現(xiàn)象，分析原因是當(dāng)天大氣溫度和光照強度高，并且處理W0下玉米受到水分脅迫以及熱輻射影響，導(dǎo)致右側(cè)的試驗小區(qū)冠層溫度高于大氣溫度.

圖4 不同生育期各試驗小區(qū)冠層溫度變化Fig.4 Changes of canopy temperature in different experimental areas at different growth stages

對比4個時期冠層溫度的變化趨勢，7月30日和9月7日均是灌溉后拍攝，可以看出不同水處理之間的冠層溫度發(fā)生明顯變化，土壤含水率越高，冠層溫度越低.而7月13日前較長時間未灌水(7 d以上)，8月初連續(xù)降雨，降水量累計達到201 mm，可以看出2個時期的冠層溫度在不同處理之間的差異相對較小，這表明冠層溫度在一定程度上可以表征土壤水分虧缺程度.同時通過表2可以看出，除9月7日外冠層溫度與LAI具有極顯著相關(guān)性，表明冠層溫度在一定程度上受到作物L(fēng)AI的影響.

表2 冠層溫度與葉面積指數(shù)相關(guān)性Tab.2 Correlation of maize canopy temperature and LAI

2.3 冠氣溫差與不同深度土壤含水率的關(guān)系

夏玉米不同生育期各試驗小區(qū)的冠氣溫差與(0,60] cm土層深度d土壤含水率的相關(guān)關(guān)系如表3所示，為了直觀顯示冠氣溫差與土壤含水率的關(guān)系，圖5為不同生育期冠層溫度與(0,20] cm深度土層散點圖.

表3 冠氣溫差與土壤含水率相關(guān)關(guān)系Tab.3 Correlation between canopy temperature and soil moisture content

從表3可以看出，各回歸模型的系數(shù)均為負值，表明冠氣溫差x與土壤含水率y呈負相關(guān).不同時期冠氣溫差與土壤含水率的線性相關(guān)程度存在差異，以(0,20] cm深度土層為例，7月13日模型相關(guān)性不顯著(R2僅為0.132 6，P<0.05).7月13日前未進行灌溉處理，8月初有降雨，試驗田表層土壤含水率差異相對較小(散點圖中趨勢線斜率較小)，此時，試驗誤差的影響(冠層溫度提取、取土位置等)變得明顯，導(dǎo)致決定系數(shù)低.7月30日和9月7日的熱紅外圖像為灌溉后獲取，回歸模型極顯著相關(guān)(決定系數(shù)R2達到0.619 3和0.463 7，P<0.000 1)，表明土壤水分含量的空間差異越大，冠氣溫差與土壤水分含量的相關(guān)性越高.

8月10日不同土層深度的回歸模型中，(0，20] cm深度土層回歸方程的決定系數(shù)反而小于另2個深度(R2=0.055 3，小于0.143 2，0.109 8).取土過程中發(fā)現(xiàn)這一時期玉米根系在(40,60] cm附近的土層中分布最廣泛，表明當(dāng)表層土壤水分充足時，冠氣溫差對主要根系活動層內(nèi)的土壤水分響應(yīng)更強烈.

圖5 冠氣溫差與(0,20] cm深度土壤含水率相關(guān)關(guān)系Fig.5 Correlation between canopy-air temperature difference and 0-20 cm soil moisture content

2.4 DTL與不同深度土壤含水率相關(guān)關(guān)系

為了尋找新的反演土壤含水率的方法，借助LAI能夠影響冠層溫度的變化，因此嘗試將冠氣溫差與LAI結(jié)合構(gòu)建溫度和葉面積指數(shù)的一個新指標(biāo)DTL來反演灌后土壤含水率，計算式為

DTL=-(Tc-Ta)×LAI,

(1)

式中:Ta為冠層上方大氣溫度，℃；Tc為熱紅外圖像提取的冠層溫度，℃.

由于LAI與冠氣溫差負相關(guān)，故對冠氣溫差取相反數(shù)，結(jié)果見表4.同時將(0,20] cm土層DTL與土壤含水率散點圖進行繪制，如圖6所示.

表4 DTL與不同深度土壤含水率相關(guān)關(guān)系Tab.4 Correlation between DTL and different soil moisture content at different depths

圖6 DTL與(0,20] cm深度土壤含水率關(guān)系Fig. 6 Correlation between DTL and soil moisture content at 0-20 cm depth

從表4中可以看出，DTL與土壤含水率呈正相關(guān),DTL越大，土壤含水率越高.相比利用冠氣溫差時的反演精度R2(0.132 6, 0.614 6, 0.055 3, 0.463 7)，DTL反演的決定系數(shù)R2均有不同程度的提高.對比灌溉后不同土壤深度下的反演效果，反演精度隨土層深度的增加而降低，與用冠氣溫差反演時變化規(guī)律一致.以7月30日不同深度的反演結(jié)果為例，決定系數(shù)R2從0.614 6,0.519 4,0.463 5分別提高到0.661 6，0.567 9，0.505 9.

綜上，構(gòu)建的新指標(biāo)相比利用冠氣溫差指標(biāo)在灌后反演精度均有不同程度的提升，研究中發(fā)現(xiàn)灌前時期的反演精度提升效果不明顯，甚至出現(xiàn)降低的情況，這主要是因為試驗小區(qū)較小，反演尺度也小，導(dǎo)致灌前的反演誤差過大，反演精度的參考價值相應(yīng)較低，后續(xù)可在大尺度范圍內(nèi)驗證本指標(biāo)，以確定指標(biāo)是否能夠提升反演精度.

3 討 論

許多研究通過一些邊緣檢測等算法直接從熱紅外圖像上提取冠層溫度[11,16]，但這對熱紅外圖像的分辨率有很高的要求且需要研究者具有一定的算法基礎(chǔ).為了降低提取難度，文中研究針對可見光提取玉米冠層的分類方法上進行了嘗試，最終發(fā)現(xiàn)ExG指數(shù)法在試驗區(qū)效果較好.但利用可見光提取玉米冠層仍然存在一定的問題，比如：① 可見光圖像與熱紅外圖像并不是完全重合的，即使是經(jīng)過配準(zhǔn)后某些地方也存在無法完美重合的情況，提取的玉米冠層熱紅外圖像可能包含部分土壤或者陰影導(dǎo)致冠層溫度與實際冠層溫度存在偏差.② 由于文中并不側(cè)重于提取方法的研究且已找到適合本試驗區(qū)熱紅外圖像的提取指數(shù)，對于其他的指數(shù)法提取效果或文中所選用的指數(shù)在其他地區(qū)(其他作物)上的表現(xiàn)還需后續(xù)驗證.

文中分析了LAI與冠層溫度、冠氣溫差與土壤含水率的相關(guān)關(guān)系，并在此基礎(chǔ)上提出了DTL這一個新的指標(biāo)反演土壤含水率.通過建立一元線性回歸方程發(fā)現(xiàn)DTL與土壤含水率正相關(guān)，線性相關(guān)程度在不同時期不同深度下均有所提升(相比冠氣溫差反演時)，但研究不足之處在于試驗區(qū)域較小，對于大尺度情況下反演精度高低無法確定.通過分析4個時期的數(shù)據(jù)，結(jié)果發(fā)現(xiàn)灌后拍攝的兩期影像反演精度較高，而另外兩期影像反演精度則較低，這主要是本研究的試驗小區(qū)較為集中，當(dāng)不進行灌溉處理時，各試驗小區(qū)之間土壤含水率本身已無較大差異，試驗誤差對反演精度的影響就變得明顯，導(dǎo)致反演精度不高.本研究并未涉及拔節(jié)期之前的生育期，對于拔節(jié)后期之前的時期土壤含水率反演精度如何還需通過后續(xù)試驗進一步探討，所提出的新指標(biāo)在其他作物上應(yīng)用的效果如何也需進一步驗證.

4 結(jié) 論

1) 分析了非冠層區(qū)域?qū)趯訙囟忍崛〉挠绊?結(jié)果表明，剔除非冠層區(qū)域獲得的冠層溫度低于不剔除冠層區(qū)域獲得的冠層溫度，且非冠層區(qū)域面積越大，兩者的差值也越大.

2) 通過對4個時期數(shù)據(jù)的分析，發(fā)現(xiàn)表層(0，20] cm土壤含水量差異較大時，冠氣溫差對土壤含水量反演的效果較好，反之則不理想.

3) 與冠氣溫差相比，構(gòu)建的DTL指標(biāo)反演土壤含水率的精度有所提高，表明DTL指標(biāo)具有進一步研究的價值.